关于macd指标内容导航：
1、macd指标
macd_dif, macd_dea, macd_bar = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
# 将指标保存到dataframe中
df['macd_dif'] = macd_dif
df['macd_dea'] = macd_dea
df['macd_bar'] = macd_bar
# 计算macd状态
df['macd_state'] = np.where(df['macd_bar'] > 0, 1, 0)
df['macd_state'] = np.where(df['macd_bar'] < 0, -1, df['macd_state'])
# 计算macd的状态转换
df['macd_state_change'] = df['macd_state'].diff()
# 计算macd的金叉和死叉
df['macd_cross'] = np.where(df['macd_state_change'] == 1, 1, 0)
df['macd_cross'] = np.where(df['macd_state_change'] == -2, -1, df['macd_cross'])
# 计算macd的均线
df['macd_ma'] = talib.MA(macd_bar, timeperiod=5)
# 计算macd的均线状态
df['macd_ma_state'] = np.where(df['macd_bar'] > df['macd_ma'], 1, 0)
df['macd_ma_state'] = np.where(df['macd_bar'] < df['macd_ma'], -1, df['macd_ma_state'])
# 计算macd的均线状态转换
df['macd_ma_state_change'] = df['macd_ma_state'].diff()
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和死叉
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == 1, 1, 0)
df['macd_ma_cross'] = np.where(df['macd_ma_state_change'] == -2, -1, df['macd_ma_cross'])
# 计算macd的均线金叉和
2、macd指标参数最佳设置
MACD指标参数最佳设置(13，34，5)是指时间参数（短期参数）设为13天易总接免十， 将慢速移动平均线的时间参数（长期参数）设为34天，而将平滑的天数（M ) 设为5天。调整值是为了优化MACD，更好地跟踪股价走势的变化。最准确的MACD指数设置需要与市场周期相联系。
方法是：第一条EMA线的时间参数设置为主导周期长度的1/4，话研职套父宜验胶京第二条线设置为主导周期长度的1/2；第三个是前两条线之间差值的平滑移动平均值，与时间段无关。第三角言载请条是慢线。数值越小越敏感，需要注意的是MACD是一个趋势指标，其主要作用不同于KDJ冲击指标。
趋势指标主要用于趋势识别和周转，而便热讨局据程负资你饭控震荡指标对股价的响应速度更快、频率更高，因此MACD的指标调整应符合趋势指标的特点。
拓展资料：
用MACD捕捉最佳卖点的方法如下：首先，调整MACD的相关参等植数，将MACD的快速e-ma参数设置为8，慢速e-ma参数设置为1径王菜曾践广升硫互会3，dif参数设置为9，移亮令行家受战以冷黑动平均参数分别设置为5，10和30。设置参数后，您可以找到卖点。由于一只股票有许多卖点，这里只八科居存弦宽至距有两种最流行和最常用的顶部逃逸方法：第一个卖点或相对顶部是股价暴涨后横向交易形成的相对高点。投资者，尤其是那些拥有最大基金的投资者，必须在第一个卖点卖出或减少或景临回绍机兵头寸。判断第一个卖点是否成立的技巧是“股价横盘和MACD死叉”，即当股价连续上涨后出现横盘时，械践呼香5日和10日移动平均线没有形成死叉，但MA车革会例聚CD在死叉中领先举。当第一个卖点形成时，应将其出售或减少。7远井量抓保露家宣月7日，汝哈药业也发出背龙架脱婷血结陆围停了上述卖点信号，股价也长时间下跌，在形成第一个虚拟波或绝对顶卖点后，部分股价并未大幅下跌，但在回调后，主力假装向上突破以弥补出货。前最后一次拉升是由多个主力做出的货物，也称为虚拟波拉升。此时形成的高点往往会成为牛市浪潮的最高点，因此也被称为绝对高点，如果此减时不能顺利逃脱，后果不堪设想。判断绝对顶部建立的技巧是“价格与MACD之间的偏差”，即当股票价格通过虚拟波上升到新高时，MACD无法同步达到新高据顶地好点么，并且两者的趋势发生偏离，这消然盟初就哥速是股票价格已见顶的明显信号。这表明，当在绝对顶部卖出股票时，我们不能等到MACD死叉后再卖出，因拿缩似花翻克树苦重为当MACD死叉时，股价已经下跌了很多。在虚拟波动顶部出售股票时，我们必须参考K线组合。一般来说，在虚波急拉的过程中，如果出现“高开低负线”或“长下阴影线涨限正线”，则是卖出的最佳时机。6月30日，600670出现了一条假波长影线和一条正限位线，也发出了峰值信号，随后股价持续下跌。
3、macd指标怎么看
股票软件MACD的指标图中，起码有2条波动线，一条是DIFF，另一条是DEA（你可以自己对照一下颜色）。DIFF线是短期（收盘价）平滑移动线与长期（收盘价）平滑移动平均线间的差值；DEA线是DIFF线的M日指数平滑移动平均线。红色柱状线代表了股价的趋势在向上运动，而蓝色则代表了股价的趋势在向下运动。左侧的数值，只是一个参考坐标，让你可以对红/蓝柱状线的高度有个数量的概念。MACD包含了3个参数，分别是长期的天数，短期的天数和一个中值。系统缺省通常是26，12，9； MACD因为使用的都是指数平滑移动线，所以指标会和股价波动有比较严重的滞后，适合做比较大的波段及持股时间也相对比较长。 MACD的简单应用是：当DIFF上穿DEA时做买入，当DIFF下穿DEA的时候做卖出； 为了让股价波动更加及时的得到反映，结合其他比如CCI,KDJ，MTM这些指标而辅以MACD可能会更加具有实效性，对习惯使用MACD股民的通常会以60分钟K线配合使用。 无论是什么指标，都只是当你要作出买入或卖出决定时的一个参考工具，切不可过于依赖。
